BriefGPT.xyz
Ask
alpha
关键词
loading vectors
搜索结果 - 3
具有伪发现率控制变量选择的稀疏主成分分析
稀疏主成分分析通过将高维数据映射到低维线性子空间,通过设置加载向量为稀疏,实现降维和变量选择;然而,为了避免选择无关变量,本研究提出了使用假阳性发现率控制负载向量支撑的稀疏主成分分析算法,并结合 “终止随机实验” 选择器来自动确定支撑集合;
→
PDF
6 months ago
利用线性自编码器从主子空间提取主成分
本文介绍了使用一种单隐层全连接自编码器进行特征提取可以有效地恢复主成分分析 (PCA) 的加载向量,且训练权重与 PCA 加载向量存在差异,从而优化特征提取的性能。
PDF
6 years ago
稀疏主成分分析的增广拉格朗日方法
本研究提出了一种新的稀疏 PCA 方法,旨在找到稀疏和几乎不相关的主成分,并具有正交的载荷向量,同时尽可能多地解释总方差。我们还开发了一种新的增广 Lagrangian 方法来解决一类非光滑约束优化问题,该方法非常适合我们的稀疏 PCA 公
→
PDF
15 years ago
Prev
Next